"基准测试"最新资讯 | 量子位

7个AI玩狼人杀，GPT-5获断崖式MVP，Kimi手段激进

GPT5的进步比想象中更大

不圆 2025-09-02

GPT-5 Kimi K2 基准测试

红杉中国推出全新AI基准测试xbench，要在AI下半场定义“好问题”

第一个由投资机构打造的AI基准测试

梦晨 2025-05-26

基准测试

首个奖励模型评分基准！清华复旦港科大联合攻克AI评委“偏科”

评估奖励模型区分微妙变化和抵抗风格偏差的能力

鹭羽 2025-05-13

LLM 基准测试奖励模型

17款大模型PK八款棋牌游戏，o3-mini胜出，DeepSeek R1输在中间步骤

无法记答案的动态基准测试

西风 2025-03-29

AI游戏基准测试

大模型权威测试被曝翻车！偏袒GPT-4等闭源模型，提示词区别对待

简单改下提示词，LIama3涨10分

白交 2024-07-11

基准测试大模型

新测试基准发布，最强开源Llama 3分数骤降，差距拉开了

大模型竞技场人类真实数据

梦晨 2024-04-22

基准测试

机器学习免费跑分神器：集成各大数据集，连接GitHub就能用，还能验证论文结果

好评如潮

鱼羊栗子 2019-10-12

免费工具基准测试

基准测试

7个AI玩狼人杀，GPT-5获断崖式MVP，Kimi手段激进

红杉中国推出全新AI基准测试xbench，要在AI下半场定义“好问题”

首个奖励模型评分基准！清华复旦港科大联合攻克AI评委“偏科”

17款大模型PK八款棋牌游戏，o3-mini胜出，DeepSeek R1输在中间步骤

大模型权威测试被曝翻车！偏袒GPT-4等闭源模型，提示词区别对待

新测试基准发布，最强开源Llama 3分数骤降，差距拉开了

机器学习免费跑分神器：集成各大数据集，连接GitHub就能用，还能验证论文结果

热门文章

万卡集群要上天？中国硬核企业打造太空超算！

阶跃开源4B Agent模型，跑通所有安卓设备，手搓党一键部署

DeepSeek-V3.2系列开源，性能直接对标Gemini-3.0-Pro

Transformer作者爆料GPT-5.1内幕！OpenAI内部命名规则变乱了

能讲“悄悄话”的智能助理，瑞声科技助力夸克AI眼镜S1开创语音交互新范式

基准测试

7个AI玩狼人杀，GPT-5获断崖式MVP，Kimi手段激进

红杉中国推出全新AI基准测试xbench，要在AI下半场定义“好问题”

首个奖励模型评分基准！清华复旦港科大联合攻克AI评委“偏科”

17款大模型PK八款棋牌游戏，o3-mini胜出，DeepSeek R1输在中间步骤

大模型权威测试被曝翻车！偏袒GPT-4等闭源模型，提示词区别对待

新测试基准发布，最强开源Llama 3分数骤降，差距拉开了

机器学习免费跑分神器：集成各大数据集，连接GitHub就能用，还能验证论文结果

热门文章

万卡集群要上天？中国硬核企业打造太空超算！

阶跃开源4B Agent模型，跑通所有安卓设备，手搓党一键部署

DeepSeek-V3.2系列开源，性能直接对标Gemini-3.0-Pro

Transformer作者爆料GPT-5.1内幕！OpenAI内部命名规则变乱了

能讲“悄悄话”的智能助理，瑞声科技助力夸克AI眼镜S1开创 语音交互新范式

能讲“悄悄话”的智能助理，瑞声科技助力夸克AI眼镜S1开创语音交互新范式